Simon把AI配置藏進1個鉤子，開發者發現后集體破防

一個Python插件的0.1a1版本，能讓你的數據庫自動調用GPT-5.4-nano做數據清洗、切到Sonnet 4.6寫SQL——而這一切只需要改一行配置。

這是Simon Willison在2026年3月25日發布的datasette-llm。它干的事聽起來枯燥：給Datasette生態里的AI模型做個"調度中心"。但產品經理看一眼就懂——這解決的是每個接過大模型項目的開發者都踩過的坑。

痛點：你的AI調用正在變成意大利面條

想象一下：你同時用了3個Datasette插件，一個做數據 enrichment（數據增強），一個寫SQL，一個生成圖表。每個插件各自import一個模型，硬編碼在代碼里。某天GPT-5.4-nano漲價，你得翻遍3個倉庫改配置。

Simon的方案是中間層抽象。datasette-llm作為基礎插件，其他插件不再直接調模型，而是聲明用途：model = await llm.model(purpose="enrichment")。具體用哪個模型？去一個地方配。

「數據 enrichment 用 GPT-5.4-nano，但 SQL 查詢 assistance 用 Sonnet 4.6」——這種顆粒度的控制，現在寫進一個配置文件就夠了。

新鉤子：讓用途自己"登記造冊"

0.1a1版本的關鍵更新是register_llm_purposes()鉤子。插件開發者調用它，把自己的用途字符串注冊到系統里。

這帶來什么？未來可以做一個管理后臺，列出所有已注冊的用途，下拉框選模型，點擊保存。運維不用讀代碼，產品經理不用求工程師——配置權終于從代碼里解耦出來。

Simon的插件設計有個特點：每個功能都預留了"被組合"的接口。這次也不例外。register_llm_purposes()看起來是給插件用的，實際上是給未來的UI工具、審計系統、成本分析儀表盤埋的樁。

為什么是這個時間點

Datasette生態在2025年密集推出了多個AI插件：datasette-enrichments-llm做批量數據增強，還有其他做查詢解釋、可視化建議的。模型選擇變成真問題——不是"用不用AI"，而是"哪個任務配哪個模型、什么預算、什么延遲"。

Simon在發布帖里埋了個細節：他同時開了個10美元/月的贊助檔，賣點是"Pay me to send you less"——付錢讓我少發點郵件，只給你當月最重要的LLM進展。

這個定價策略本身就在篩選用戶。愿意付費的人，正是那種信息過載、需要有人幫做降噪的開發者。而datasette-llm做的，本質上也是降噪：把散落在各處的模型配置，收進一個可管理的地方。

當你的數據庫有7個插件在調AI，你會怎么設計它們的優先級和故障轉移？